数字挛生技术概述

本章在追溯数字拳生技术起源与发展的基础上,对工业设备数字拳生的概念 进行了定义。分析了数字享生技术与相关概念的区别与联系，并对工业数字拳生的 应用现状进行了综述。

1.1数字挛生技术的起源和发展

1.1.1数字挛生的起源

21世纪初，美国密歇根大学的Michael Grieves教授提出了一种称为“PLM概 念理想”用于实现产品生命周期管理的概念模型，并随后在他的文章中定义为“信 息镜像模型”。这个概念虽然没有称作数字拳生，但是它具备了数字拳生的组成和 功能，为数字拳生的提出打幵了思想的闸门。同年，迈凯伦车队将数字拳生的相关 技术应用于F1。随着人们对观念认识的不断进步和发展，2009美国空军实验室提 出了 “机身数字拳生”，直至2010年，“Digital Twin”在NASA的未来飞行器数字拳 生范例技术报告中被正式提出，并定义为“集成了多物理量、多尺度、多概率的系 统或飞行器仿真过程"o 2011年，美国空军将数字拳生技术应用到飞行器的健康 管理。并于2012年，美国国家标准与技术研究院提出了基于模型的定义和基于模 型的企业的概念，该概念将数字拳生的内涵扩展到整个产品的制造过程，即要创 建企业和产品的数字模型，数字模型的仿真分析要贯穿整个产品的生命周期。同 年，美国国家航空航天局与美国空军联合发表了关于数字拳生的技术论文，幵启了 数字拳生技术在航空航天领域的应用探索，数字拳生技术幵始引起研究人员和工 程人员的广泛关注。

1.1.2数字挛生的发展

近年来，数字拳生技术在工业界应用不断深入，其中GE将数字拳生技术应用 于风电与发动机，西门子、Ansys、达索等著名工业企业也将数字拳生的应用领域 逐步扩展。当前，在制造业数字化、网络化、智能化发展的大趋势下，数字拳生技 术被Gartner选为2019年十大战略技术趋势之一，数字拳生技术逐步从萌芽起步期 逐渐走向发展期，正在从数字化产品的角度推动着社会变革。Gartner预计三分之 二已经实施物联网的公司，到2022年将至少部署一个数字拳生项目。

数字拳生近年的迅猛发展得益于物联网、大数据、云/边缘计算、人工智能等

新一代信息技术的发展，也正是因为以上技术的发展和应用的不断深化，数字拳 生进入了新发展阶段，正在成为业界创新应用的重点。其主要的支撑技术如下：

1. 物联网技术

数字拳生是物理世界在数字世界的拳生，如何实现数字拳生与物理世界的虚 实映射是数字拳生实施的基础。物联网是以感知技术和网络通信技术为主要手 段，实现人、机、物的泛在连接，提供信息感知、信息传输、信息处理等服务的基础 设施。随着物联网的不断健全和完善，数字拳生所需的各种数据的实时采集、处 理得以保障。在空间尺度上，由于物联网万物互联的属性，面向的对象由整个产业 垂直细分至较小粒度的物理实体。同时，在时间尺度上，由于物联网实时性的提 升，使得不同时间粒度的数据交互成为可能。以上使得数字拳生正在变得更加多 样化和复杂化，使得数字世界和物理世界能够在物联网的支持下进行时间和空间 上细粒度的虚实交互，以支撑不同尺度的应用。

1. 大数据技术

数据是数字拳生系统动态运行的最重要的驱动力量。随着数据时代的到来， 大数据分析应运而生。通过体现大数据海量、异构、高速、可变性、真实性、复杂性 和价值性等特征，大数据分析面向解决具体问题提出相应的算法和框架模型。对数 字拳生系统而言，大数据分析为深度探索物理空间事物提供可能，而通过数据可视 化，为数字拳生系统揭示物理实体的隐性信息提供了有效工具。

1. 多领域、多层次参数化机理模型建模技术

物理实体的机理模型是数字拳生系统的骨架。近年来，不同领域混合的多层 次精准建模方法为数字拳生技术对物理世界真实描述提供了使能技术。首先，其 综合复杂物理实体涉及的针对诸如机械、电气、液压、控制及具体行业特征进行综 合建模的能力，为数字拳生系统对物理实体的有机综合分析提供了高可用技术； 其次，物理实体机理模型的多层次表述能力，可使得模型在不同空间粒度上对实 体进行客观真实表述；再次，参数化建模方法为.数字拳生实体机理模型对物理实 体在时间维度上变化的映射，即模型的动态更新能力，提供了有效手段。

1. 人工智能技术

数字拳生系统对工程应用的重要意义在于其智能分析和自主决策能力。人工智 能技术的发展，可通过和传统的建模仿真分析技术结合，有效赋能数字拳生系统， 使得数字拳生系统可针对过去、现在的状况进行综合智能分析，并进行自主决策，对 物理世界的变化进行准确判断和决策，对物理世界的活动进行智能化支撑。

1. 云/边缘协同计算技术

数字拳生系统是庞大复杂的系统，然而其对物理世界的感知和决策支持往往 具有时效性和个性化的特点。云/边缘协同计算技术，可有效地发挥云端强大的存 储/计算能力和边缘端个性化实时感知和控制能力，为数字拳生系统的高效运行提 供支撑。

综上，物联网、大数据、多领域/多层次/参数化实体建模技术、人工智能技术、 云/边缘协同计算技术相互交互，相互融合，加速推动着数字拳生的落地应用。

1.2数字挛生的概念

随着数字拳生支撑技术的不断发展成熟，推动数字拳生技术与多个应用领域 深度结合并逐步扩展，这赋予了数字拳生技术更广阔的内涵和外延。因此，不同行 业、不同机构也对数字拳生技术的概念存在不同见解，尚未达成统一共识。但细究 其共性部分，都离不幵物理实体、实体数字模型、数据、连接、服务等数字拳生技 术的核心要素。各企业、机构和研究者对数字拳生技术的概念定义如表1所示。

表1数字挛生的概念定义

企业/机构/研究者		数字享生的概念定义
	西门子	产品数字化、生产工艺流程数字化、设备数字化，数字尊生 应完整真实的再现整个企业。
企业	GE	数数字牢生是资产和过程的软件表达，用于理解、预测和 优化性能以改进业务产出。数字牢生体由三部分组成：数 据模型、一组分析方法或算法以及知识。
	PTC	数字挛生体是由物（产生数据的设备和产品）、连接（搭建 网络）、数据管理（云计算、存储，和分析）和应用构成的 功能体。因此，它将深度参与物联网平台的定义与构建。
	密歇根大学	基于传感器所建立的某一物理实体的数字化模型,可模拟 显示世界的具体事物。
机构：	美国国防采 办大学	充分利用物理模型、传感器更新、运行历史等数据，集成 多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空 间中完成映射，从而反映相对应的实体装备的全生命周期 过程。
	德勤	數字擎生体是某一物理实.体（或过程）的历史和当前行为 的数字化描述0这是一种持续进化的描述，有助于优化业 务绩效。
	ISO DIS 23247	数字牢生是现实事物（或过程）具有特定目的的数字化表 达，并通过适当频率的同步使物理实体与•数字芙例之间 趋向一致。
	陶飞	以数字化的方式建立物理实体的多维、多时空尺度、多学 科、多物理量的动态虚拟模型来仿真和刻画物理实体在真 实环境中的属性、行为、规则等。
学者	林诗万	数字孪生模型是实体或逻辑对象在数字空间的全生命周期 的动态复制体，可基于丰富的历史和实时数据、先进的算法 模型实现对对象状态和行为高保真的数字化表征、模拟试 验和预测。
	宁振波	数字季生是将物理对象以数字化方式在虚拟空间呈现，模 拟其在现实环境中的行为特.征a

分析企业、机构和研究者对数字拳生的定义，可以发现他们对数字拳生的定 义是泛化的，没有涉及具体的概念，仅是一个框架，有明确的抽象概念但没有一定的形象概念。'然而，不同应用领域、不同生命周期阶段、针对不同需求构建的数字 拳生系统会呈现出不同的特点，因此对数字拳生的认识与实践离不幵具体对象、具 体生命周期与具体应用需求。

针对本书关注的工业设备而言，有其特殊性又不失一般性。工业设备数字拳 生系统是以具体应用需求为目标，基于实体数字建模、物联网、大数据、人工智 能等多融合技术，通过构建物理空间与数字空间之间的闭环数据交换通道，实现 数字空间和工业设备的虚实客观映射，在数字空间对物理设备的实时状态进行呈 现，并对历史状态进行记录。基于其状态的映射和记录，面向具体应用需求，对物 理空间的活动进行分析决策支持或闭环控制，并支持设备实体与数字拳生系统的 双向迭代优化。其包括实现以上目标的物理设备、传感系统、计算系统、实体数字 模型、数据模型、算法模型以及相应的应用软件。

1.3数字挛生与相关技术的区别与联系

从上述分析可以看出，数字拳生技术的发展源于新一代信息技术与不同领域 技术的融合，是在CP&建模仿真、大数据与人工智能技术的基础上发展起来的一 门新兴技术。然而与以上技术相比又有一定的区别，具体分析如下。

1.3.1数字挛生与建模仿真

数字拳生系统的核心技术是仿真，基础是建模。建模是为我们对物理世界或 问题的理解建模，模拟是为了验证和确认这种理解的正确性和有效性。但数字拳 生系统和传统建模仿真之间又具有一定的区别。

(1)与物理实体的融合分析能力

传统建模仿真与数字拳生均强调虚拟模型与物理实体一致性，而数字拳生实现 一致性的关键手段是借助物联网技术，进而与物理实体进行深度融合分析。而传统 的建模仿真缺乏与物理实体的深度融合分析。

1. 与物理活动周期的融合分析能力

数字拳生和建模仿真均可面向现有或者尚未构建的物体实体进行应用，而数 字拳生模型是动态模型，其应用可以贯穿物体实体的全生命周期的活动，通过对 其生命周期活动的融合分析，指导不同阶段的应用。传统建模仿真往往仅针对某 一具体阶段进行阶段性分析与应用。

1. 与信息技术的结合能力

数字拳生能够基于信息技术和明确机理融合进行融合计算分析，如基于大数 据和运行机理的融合决策和预测等。而传统建模仿真大多是基于明确运行机理进行分析。

1.3.2数字挛生与CPS

数字拳生技术与CPS技术是高度相似的概念。从功能角度，数字拳生与CPS都包 含两个部分，真实物理世界和虚拟信息世界，都旨在构建信息世界与物理世界间交互 闭环，实现对物理世界中活动的状态预测和决策指导。然而，其又有一定的区别。

1. 实施理念的区别

CPS更多的是一个理论框架和理念指导，是在工业互联网基础下信息与物理 世界多对多的连接管理，并未给出具体的实施方案。而数字拳生则是更为具体的 实施技术，强调针对具体问题给出具体的解决方案。

1. 实施技术的区别

CPS强调计算、通信和控制功能。传感器和控制器是CPS的核心组成部分，旨 在实现信息世界对物理世界的决策、预测和控制。数字拳生则更关注信息世界的 数字拳生模型对物理世界的映射和记录，注重数字世界模型的映射能力和数字世界与物理真实世界的融合。

1.3.3数字挛生与数据建模技术

数据建模是一种用于定义和分析数据的要求和其需要的相应支持的信息系统 的过程。数字拳生模型构建和数据模型构建均旨在对物理空间进行抽象，都强调 数据的重要性。但二者又有如下区别。

1. 建模范围

数据建模构建的模型可能是机器学习模型，也可以是简单的列表，大多数情 况下为黑盒模型。数字拳生建模指仿真软件构建虚拟模型，既可以包含数据建模 的方法，也包含对物理空间的实体明确机理的模型描述。

1. 模型应用

数据模型应用多局限于数据的挖掘、智能算法的训练等。而数字拳生模型除 包含以上内容外，还包含通过明确机理对物理世界的分析计算，也可以是明确机 理模型和数据模型的融合。

1. 与物理实体的联系

数字拳生建模与物理实体是直接的映射关系，构建的模型是物理实体在数字 空间的拳生体，直接描述物理实体的真实动态。数据建模与物理实体是抽象的映 射关系，通过获取物理实体的动态数据，构建数据模型间接反映物理实体状态。

1.4工业数字挛生技术应用现状

数字拳生技术以其普适的理论体系广泛应用于各个行业，尤其在制造业所属 的工业领域的表现尤为突出。工业领域，专注于为智能工匚智能车间和智能设备 构建数字拳生以保障生产。相对而言，数字拳生面向工业设备、生产线的发展相对 迅速、应用相对广泛，而智能工厂数字拳生技术的发展相对缓慢。

1.4.1工业数字挛生技术在工厂的应用现状

工厂级数字拳生应用需将工厂业务流程的全面贯通，通过对财务、人员、供应 链等方面的智能管理，为工厂决策提供数据支撑，在工厂层级实现调度一体化、监 测实时化、管理透明化，分析智能化、决策自主化，打造数字拳生透明工匚

数字拳生透明工厂的构建，一般应从工厂设立之初就进行整体规划，从工厂 周边环境、厂房布置、数据通信网络、产线运营调度等多个维度考虑，才能实现工 厂的透明化管理。

工厂级数字拳生技术在国外应用较早，尤其在军工企业最为成熟。空客已经 在其多个工厂部署数字拳生，打造透明化的工业流程和设备应用，尤其是工艺装 备及其在部装厂和总装厂的分布。某物流工厂通过构建实时数字拳生软硬件系 统，实现了人、设备、产品的数据全面交互，优化场内物流路线，提升效率。工厂 级数字拳生技术在国内的应用主要以工厂可视化监测、旧厂房的优化和新厂房设 计布局优化为主。某造船集团，为解决仓库点多，占用面积大，物流搬运落后等问 题，通过数字拳生技术打造了船厂物流仓储集配智慧化物流配送中心，对造船生 产物资和物流供应链进行系统优化与创新，建立内部生产物资和物流配送体系。 某家电集团，通过数字拳生技术进行老厂区生产物流优化设计，解决纷繁交叉的 厂区物流、十几栋多层楼面设施之间的物料搬运难题。

国内外的工厂级数字拳生应用现阶段发展较为缓慢，缺乏深度应用，一方面 受限于现有的基础条件，工厂现有基础设施不易改变，简单改造并不能完全支持 工厂级的数字拳生应用；另一方面受制于现有的建模技术的水平，工厂作为复杂系 统，包含了车间、产线、设备、人员、物料等元素，现有的建模分析能力还不足以支 撑如此复杂系统的数字拳生应用。

1.4.2工业数字挛生技术在生产线的应用现状

生产线级数字拳生应用面向整条生产线，覆盖产线布局优化、生产流程仿 真、能耗分析优化、生产排程优化、生产协同优化等场景。生产线级数字拳生应用 相比于工厂级相对广泛，得益于生产过程的监测技术已相对成熟，尤其是工业流 程行业。

工业流程行业得益于生产过程连续、控制过程自动化程度高、数据经验积累 丰富、加工模式成熟等特点，生产线级数字拳生应用在流程行业应用较为成熟。 某钢铁行业企业，通过构建炼铁能耗机理模型，构建数字拳生高炉，结合大数据 人工智能算法，实现炼铁产线的能源及物料消耗优化，降本增效。

由于对新生产线进行数字化设计或者对现有产线进行数字化改造技术相对成 熟，生产线级数字拳生实施成本相对较低。目前基于独立系统的分析优化应用逐 渐增加（如能耗优化、状态报警、故障定位）o但生产线级数字拳生复杂应用依赖 于对于多环节、多设备、复杂环境之间相互关系的精确建模，生产线级数字拳生技 术同样受制于个性化产线建模技术的发展水平；同时由于产线信息的采集并不全 面，不能很好地支撑智能决策；决策算法的完备性和稳定性尚不能满足要求，实现 生产线自主决策的深度应用的能力，仍需进一步增强。

1.4.3工业数字挛生技术在设备的应用现状

设备级数字拳生的应用与工厂级、生产线级相比更为成熟。当前数字拳生技 术在设备层的应用主要通过数字拳生系统的深度分析，完成设备的故障分析、寿 命预测、远程管理等功能。当前主要应用于设备的故障诊断、预测性维护、运行参 数优化等。

如国外GE公司的数字拳生将航空发动机实时传感器数据与性能模型结合，随 运行环境变化和物理发动机性能的衰减，构建出自适应模型，精准监测航空发动 机的部件和整机性能。并结合历史数据和性能模型，进行故障诊断和性能预测，实 现数据驱动的性能寻优。

如国内某电厂发电机组，利用速度传感器、加速度传感器等对发电机组的各

项参数监测，利用采集到的数据，结合历史数据、设备参数构建高保真的发电机 组数字拳生模型。将物理模型产生的温度、转速、电流等实时信息以及扭矩、应力 等仿真数据与虚拟模型同步；利用采集的数据驱动仿真模型，实现对发电机组的 健康管理、预测性维护、故障诊断、优化运行服务等。

现阶段，设备状态监测、故障分析诊断等应用已经较为成熟，预测性运维和寿 命预测应用正处于快速发展中，并逐渐聚焦于设备全生命周期优化。但是分析预 测的准确度和可信性仍有待提高，个性化需求尚无法全面满足。

本书将针对以上不足，从工业设备领域的数字拳生总体框架和实施要素、应 用领域和价值模式、应用成熟度评估、实施方法等角度进行分析，并通过对当前重 点行业数字拳生技术应用案例和存在的问题进行分析，为重点行业的工业设备数字孪生实施提供指导